【CodeVS】1023 GPA计算

1023 GPA计算

时间限制: 1 s
空间限制: 128000 KB
题目等级 : 青铜 Bronze
题目描述 Description

       小松终于步入了大学的殿堂,带着兴奋和憧憬,他参加了信息科学技术学院的新生大会。会上,院长梅教授给大家介绍了在大学中的成绩计算方式:

 

       需要解释一下的是,小松所在的PK大学采用的是学分制的修学方法。每一门课有一定的学分,例如线性代数2分,高等数学5分,大学英语8分。在选定了一些科目之后,只要小松通过了最后的期末测试(69以上),就会得到相应的学分,也会得到该门课的一个成绩,例如小松考了60分,他会得到0分的成绩,如果小松考了99分,他会得到4分的成绩。小松在大学的四年期间,必须修满145个学分。而小松的GPA得分则强烈的关系着他的出国,保研以及工作的情况。据梅教授的介绍,小松所在的院系有20%的人出国,60%的人读研,15%的人工作,5%的人退学。这些都是根据GPA成绩而定的。

       小松仔细的研究了这个公式之后,意识到,在大学期间,占2个学分的思想政治课和占4个学分的线性代数将同等的重要。而占8个学分的大学英语课!·#¥!·#¥。

       小松估算了一下他大一每门功课大概能够得到的分数(0-4),请你帮他计算一下他大一结束时能得到的GPA是多少。

输入描述 Input Description

       请你从输入中读入相关数据。输入的第一行包括一个整数n(1≤n≤10),表示小松大一的时候功课数目。结下来的n行每行两个实数a(0≤a≤8)和b(0≤b≤4),表示小松某门课的学分成绩

 

输出描述 Output Description

输出只包括一个实数,请保留2位小数

样例输入 Sample Input

(请忽略括号中的解释)

10

2 3.7(线性代数)

0 3(线性代数习题)

5 3.7(高等数学)

0 4(高等数学习题)

3 3.3(力学)

3 4(计算概论)

1 4(信息科学技术概论)

2 4(军事理论)

2 4(中国近代史)

2 3.5(大学英语I)

样例输出 Sample Output

3.74

数据范围及提示 Data Size & Hint

n(1≤n≤10)


#include<iostream>
#include<cstdio>int n;
double num;
double sum;int main()
{scanf("%d",&n);for(int i=0;i<n;i++){double a,b;scanf("%lf%lf",&a,&b);sum+=a;num+=a*b;}num/=sum;printf("%.2lf",num);return 0;
}



转载于:https://www.cnblogs.com/huibixiaoxing/p/6537761.html

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/469840.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

单变量与多变量线性回归(Linear Regression with One Variable)

2.1 线性回归算法模型表示 让我们通过一个例子来开始&#xff1a;这个例子是预测住房价格的&#xff0c;我们要使用一个数据集&#xff0c;数据集包含俄勒冈州波特兰市的住房价格。在这里&#xff0c;我要根据不同房屋尺寸所售出的价格&#xff0c;画出我的数据集。比方说&…

查看linux IO地址范围

端口统一编址原理是把IO控制器中的端口地址归入存储器寻址空间范围内&#xff0c;因此这种编址方式也成为存储器映像编址。CPU访问一个端口的操作与访问内存的操作一样&#xff0c;也使用访问内存的指令。 在linux下可以查看设置的IO地址范围

命令行import torch正常,但pycharm中显示“No module named torch”解决方法

pytorch第一步配置环境测试运行就遇到了如题目所述问题&#xff0c;问题如图&#xff1a; 步骤一 首先检查环境导入是否有问题&#xff0c;工具栏file–settings–project–project interpreter&#xff0c;在这里添加配置好的conda环境&#xff0c;注意添加时要选中对应的con…

机械厂html5手机模板,营销型机械消费设备企业通用织梦模板(带html5手机端) v1.0...

营销型机械消费设备企业通用织梦模板简介营销型机械消费设备企业通用织梦模板(带html5手机端)v1.0是一个自适应手机端和PC端的最新版织梦V5.7为内核的网站模板&#xff0c;软件兼容主流浏览器&#xff0c;模板包含安装说明&#xff0c;并包含测试数据。dedecms最新版内核开发&a…

Tensorboard --logdir=logs 无法显示图像的处理办法

Tensorboard --logdirlogs 无法显示图像的处理办法 问题描述&#xff1a; 解决方案&#xff1a;【要和工程目录对应&#xff01;写全日志地址】 tensorboard --logdir"torch learning\logs" #注意要是双引号&#xff0c;而且路径不能单单是logs&#xff0c;还要包括…

C# 多种方式发送邮件(附帮助类)

因项目业务需要&#xff0c;需要做一个发送邮件功能&#xff0c;查了下资料&#xff0c;整了整&#xff0c;汇总如下&#xff0c;亲测可用&#xff5e; QQ邮箱发送邮件 #region 发送邮箱try{MailMessage mail new MailMessage();MailAddress from new MailAddress("发件…

安霸SPI 剖析

最近在搞单片机和A5S的SPI通信 1、A5S是跑的是ITRON的系统、有自己相关的SPI API函数2、单片机这边也是可以熟悉了&#xff0c;发送&#xff0c;接收什么的&#xff0c;我都可以自模拟出来3、但是问题是&#xff0c;A5S上面的API函数的工作是如何的&#xff0c;我一直没怎么弄清…

linux-2.6.32在mini2440开发板上移植(16)之LED 驱动程序移植

LED 驱动程序移植 编者&#xff1b;对于led的驱动程序&#xff0c;很多文章都有详细的介绍&#xff0c;我的博客里面有一篇专门详解这个的。需要看的&#xff0c;可以找下。led灯的驱动其实就代表了I/O口的驱动。在linux系统下&#xff0c;操作一个I/O口&#xff0c;可以说实在…

单变量批量梯度下降算法与单变量随机梯度下降算法

2.3 代价函数的直观理解I 让我们通过一些例子来获取一些直观的感受&#xff0c;看看代价函数到底是在干什么。 2.4 代价函数的直观理解II 代价函数的样子类似于等高线图&#xff0c;则可以看出在三维空间中存在一个J(θ0,θ1)使得最小的点。 通过这些图形&#xff0c;我希望你…

一台计算机连入计算机网络后通过该计算机,一台计算机连入计算机网络后,该计算机( )。...

摘要&#xff1a;计算机连当碰撞已不可避免时,船舶应根据良好船艺的要求采取最有效的行动以减小碰撞的损失,下列说法正确的是()。①应避免两船首相撞;②应避免一船船首撞入他船机舱附近或船中;③应尽量使两船相撞前相对速度达到最大;④应尽量使两船相撞前相对速度达到最小。算机…

反向传播+代码实现

ywx的反向传播代码实现 import torch x_data [1.0, 2.0, 3.0] y_data [2.0, 4.0, 6.0]#w是Tensor(张量类型)&#xff0c;Tensor中包含data和grad&#xff0c;data和grad也是Tensor。 # grad初始为None&#xff0c;调用l.backward()方法后w.grad为Tensor&#xff0c; # 故更…

计算机网络阅读报告,计算机网络实验二报告

计算机网络实验二报告 (5页)本资源提供全文预览&#xff0c;点击全文预览即可全文预览,如果喜欢文档就下载吧&#xff0c;查找使用更方便哦&#xff01;11.90 积分&#xfeff;计算机网络实验报告课程_ 计算机网络 _ 实验名称 TCP/IP协议分析与验证 姓 名 实 验 日 期&#xff…

使用Pytorch处理多维特征的输入

下图这个预测一个人在一年之后得糖尿病的概率的例子&#xff0c;这个时候我们的输入将会有很多的指标。你可以把它看成是我们体检的各种值。最后一排的外代表了他是否会得糖尿病。 那么多维的特征输入应该怎么办呢&#xff1f;我们就需要把每一个特征x付以相应的权重。在进行逻…

dubbo学习 三 dubbox概述

当当网根据自身的需求&#xff0c;对dubbo进行了扩展就叫成了dubbox。具体的使用方法可以参照官网各种例子&#xff1a;http://dangdangdotcom.github.io/dubbox/ 支持rest风格远程调用 之前了解过restful服务具体是什么&#xff0c;resteasy也了解过&#xff0c;所以看到就可以…

使用Pytorch完成多分类问题

多分类问题在最后的输出层采用的Softmax Layer&#xff0c;其具有两个特点&#xff1a;1.每个输出的值都是在(0,1)&#xff1b;2.所有值加起来和为1. 假设是最后线性层的输出&#xff0c;则对应的Softmax function为&#xff1a; 输出经过sigmoid运算即可是西安输出的分类概率…

PyTorch的nn.Linear()详解

1. nn.Linear() nn.Linear()&#xff1a;用于设置网络中的全连接层&#xff0c;需要注意的是全连接层的输入与输出都是二维张量 一般形状为[batch_size, size]&#xff0c;不同于卷积层要求输入输出是四维张量。其用法与形参说明如下&#xff1a; in_features指的是输入的二维…

罗彻斯特大学计算机科学系专业排名,罗切斯特大学计算机科学专业

罗切斯特大学(University of Rochester&#xff0c;U of R)建立于1850年&#xff0c;是一所美国著名的私立研究型大学&#xff0c;“新常春藤”联盟之一&#xff0c;北美大学协会(AAU)成员、世界大学联盟成员。360老师介绍&#xff0c;学校的7位学者是美国国家科学院院士&#…

系统权限管理设计 (转)

权限设计&#xff08;初稿&#xff09; 1. 前言&#xff1a; 权限管理往往是一个极其复杂的问题&#xff0c;但也可简单表述为这样的逻辑表达式&#xff1a;判断“Who对What(Which)进行How的操作”的逻辑表达式是否为真。针对不同的应用&#xff0c;需要根据项目的实…

卷积神经网络(基础篇)

说明 0、前一部分叫做Feature Extraction&#xff0c;后一部分叫做classification 1、每一个卷积核它的通道数量要求和输入通道是一样的。这种卷积核的总数有多少个和你输出通道的数量是一样的。 2、卷积(convolution)后&#xff0c;C(Channels)变&#xff0c;W(width)和H(Heig…

Inception(Pytorch实现)

论文在此: Going deeper with convolutions 论文下载: https://arxiv.org/pdf/1409.4842.pdf 网络结构图: import torch import torch.nn as nn import torch.nn.functional as Fclass Inception3(nn.Module):def __init__(self, num_classes1000, aux_logitsTrue, transform…